印度理工学院马德拉斯分校 发布 Kathbath 数据集, 应用在 语音识别、多语言处理 领域

印度理工学院马德拉斯分校 本次发布的数据集 Kathbath, Kathbath数据集由印度理工学院马德拉斯分校和AI4Bharat共同创建，包含1684小时的标注语音数据，覆盖12种印度语言。数据来源于1218名分布在印度203个地区的贡献者，通过精心设计的收集和验证流程确保数据质量。该数据集主要用于支持自动语音识别、说话人验证、语言识别等多种语音理解任务的研究，旨在推动印度语言的语音技术发展。

查看Kathbath

README 内容： 

关于 印度理工学院马德拉斯分校 , 印度理工学院马德拉斯分校是印度顶尖的工程学府之一，以其卓越的教育和研究在国内外享有盛誉。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。